买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京师范大学申请的专利一种耦合物理机制与深度学习的流域径流预测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121212026B 。

龙图腾网通过国家知识产权局官网在2026-02-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511751605.9，技术领域涉及：G06F30/28；该发明授权一种耦合物理机制与深度学习的流域径流预测方法及系统是由薛宝林;王俊萍;王国强;张梦;吴劲;阿膺兰;张璇设计研发完成，并于2025-11-26向国家知识产权局提交的专利申请。

本一种耦合物理机制与深度学习的流域径流预测方法及系统在说明书摘要公布了：本发明公开了一种耦合物理机制与深度学习的流域径流预测方法及系统，涉及水资源管理技术领域，包括：获取待预测流域的历史气象驱动数据和历史径流数据，获取待预测流域的地表植被信息；将物理信息循环神经网络模块、动态植物长短期记忆网络模块和网格全分布式模块进行融合，构建流域径流预测模型；基于历史气象驱动数据、历史径流数据和地表植被信息对流域径流预测模型进行训练，得到训练之后的流域径流预测模型；基于训练之后的流域径流预测模型，对待预测流域的径流进行预测。本发明缓解了现有技术存在的径流预测误差大的技术问题。

本发明授权一种耦合物理机制与深度学习的流域径流预测方法及系统在权利要求书中公布了：1.一种耦合物理机制与深度学习的流域径流预测方法，其特征在于，所述方法包括： 获取待预测流域的历史气象驱动数据和历史径流数据，获取所述待预测流域的地表植被信息； 将物理信息循环神经网络模块、动态植物长短期记忆网络模块和网格全分布式模块进行融合，构建流域径流预测模型；所述物理信息循环神经网络模块为嵌入水平衡方程和径流过程的循环神经网络模块，所述动态植物长短期记忆网络模块为刻划气候变化下非线性植被水文过程的神经网络模块； 基于所述历史气象驱动数据、所述历史径流数据和所述地表植被信息对所述流域径流预测模型进行训练，得到训练之后的流域径流预测模型； 基于所述训练之后的流域径流预测模型，对所述待预测流域的径流进行预测； 所述物理信息循环神经网络模块包括雪融化计算模型、蒸散发量计算模型和地表径流计算模型；其中， 所述雪融化计算模型，包括： ，，； 式中，P和T分别是降水量和温度；DDF是度日因子；Psnow表示降雪量、Prain表示降雨量；Tmin是表示降雪阈值温度的训练参数；Tmax是表示融雪阈值温度的训练参数；S0是土壤雪桶含量；M是融雪量； 所述蒸散发量计算模型，包括： ，； ； 式中，S1和ET分别是水土含水量和实际蒸发量；Smax是最大蓄水量；Rn是净辐射；G是土壤热通量密度；△是饱和蒸汽压曲线的斜率；es表示饱和蒸汽压；ea为实际水蒸气压；ρ为空气密度；cp是比热容；γ是湿度计常数；rs和ra分别是气孔阻力和空气动力阻力；ETp是潜在蒸散发； 所述地表径流计算模型，包括： ； ； ； ； ； ； ； 式中，qbase和qsurf分别表示基流和地表径流qunsat和qsat分别为蓄满产流和超渗产流；qmax和f分别表示集水斗完全饱和时最大地下径流和径流下降率衰减系数参数；fmax是最大渗透速度；b是存储容量曲线细节的形状参数；imax是最大渗透能力；i0为渗透能力；A为蓄满产流面积。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京师范大学，其通讯地址为：100875 北京市海淀区新街口外大街19号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。